dplyr::filter() 行为与 NA 不同

Question

我有以下两列的数据：

• location_country：alpha-2 代码（例如，“US”）
• location_admin_level_1: 行政级别 1（'US' 应为 2 个字符）

一步，我filter() 出location_admin_level_1 字符数大于2：

librayr(dplyr)

data %>%
    filter(location_country == "US",
           nchar(location_admin_level_1) > 2)

...正常工作。

但是，当我尝试过滤这些 out（即，获取其余数据）时，它返回的行数少于应有的行数：

# Does not behave as expected
data %>%
    filter(!(location_country == "US" & nchar(location_admin_level_1) > 2))

这也行不通

# Does not behave as expected
data %>%
    filter(location_country != "US" | (location_country == "US" & nchar(location_admin_level_1) == 2))

但是当我使用 base R 过滤这些行时，它可以按预期工作：

# Works
data[data$location_country != "US" | (data$location_country == "US" & nchar(data$location_admin_level_1) == 2), ]

# Also works
data[!(data$location_country == "US" & nchar(data$location_admin_level_1) > 2), ]

为什么基本 R 解决方案可以按预期工作，而 dplyr 解决方案却不能？

（请注意：我无法创建 MWE，因为我不知道过滤行为是如何工作的，这是我的问题所关注的）

Answer 1

一种可能性是这些行中存在NA 元素。 Base R 将返回 NA 行，因为 == 和 NA 返回 NA 而 filter 默认删除逻辑向量中的 NA

data[!(data$location_country == "US" & nchar(data$location_admin_level_1) > 2), ]

现在与filter 联系dplyr

library(dplyr)
data %>%
    filter(!(location_country == "US" & nchar(location_admin_level_1) > 2))

---

如果我们想获得filter 中的NA 行，请使用is.na

data %>% 
   filter((!(location_country == "US" & !is.na(location_country) &
        nchar(location_admin_level_1) > 2 &
           !is.na(location_admin_level_1)))|
           is.na(location_country))

---

问题是== 在有任何 NA 时返回 NA

with(data, location_country == "US")
#[1]  TRUE  TRUE FALSE FALSE    NA

在 base R 中，逻辑向量中的 NA 只返回 NA 行，因为它不是 TRUE 或 FALSE，而在 filter 中，默认情况下会删除它，在 filter 步骤中仅保留 2 行（只考虑最后一个表达式）。要使这个为真或假，只需添加一个is.na

with(data, location_country == "US" & !is.na(location_country))
#[1]  TRUE  TRUE FALSE FALSE FALSE

这将删除NA 行。但是，假设如果我们需要 NA 行，那么最后一个元素应该为 TRUE。为此我们需要|

with(data, location_country == "US"|is.na(location_country))
#[1]  TRUE  TRUE FALSE FALSE  TRUE

数据

data <- data.frame(location_country = c('US', 'US', 'China', 'Canada', NA), location_admin_level_1 = c('hello', 'l', 'w', '321', '2443'))